Revista Multidisciplinar Epistemología de las Ciencias
Volumen 2, Número 3, 2025, julio-septiembre
DOI: https://doi.org/10.71112/dmmjg615
TECNOLOGÍA Y SOCIEDAD: CÓMO LA INTELIGENCIA ARTIFICIAL Y LA
COMPUTACIÓN CUÁNTICA REDEFINEN LA ECONOMÍA Y LA EDUCACIÓN
TECHNOLOGY AND SOCIETY: HOW ARTIFICIAL INTELLIGENCE AND QUANTUM
COMPUTING REDEFINE ECONOMICS AND EDUCATION
Fabiola Cabral Rochin
México
DOI: https://doi.org/10.71112/dmmjg615
614 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Tecnología y sociedad: cómo la inteligencia artificial y la computación cuántica
redefinen la economía y la educación
Technology and society: how artificial intelligence and quantum computing
redefine economics and education
Fabiola Cabral Rochin
fabiolacabral694@gmail.com
https://orcid.org/0009-0006-3638-4845
Universidad Interamericana para el Desarrollo
México
RESUMEN
Este artículo investiga la intersección de la computación cuántica y la inteligencia artificial (IA)
en el sector financiero, analizando su impacto en la toma de decisiones, la optimización de
carteras de inversión y la predicción de mercados. A través de un enfoque mixto que combina
entrevistas con expertos y una revisión exhaustiva de la literatura, se identifican las
oportunidades y desafíos que presentan estas tecnologías emergentes. Los resultados
muestran que la IA está revolucionando la eficiencia y precisión en el análisis de datos,
mientras que la computación cuántica promete resolver problemas complejos de optimización
que son difíciles para las computadoras clásicas. Sin embargo, la adopción de estas
tecnologías enfrenta retos éticos y regulatorios, como la necesidad de transparencia en las
decisiones automatizadas y la protección de datos sensibles. Se concluye que la capacitación
del personal y la colaboración entre instituciones, académicos y reguladores son esenciales
para una implementación efectiva y responsable.
Palabras clave: Computación cuántica; Inteligencia Artificial; Finanzas; Transformación Digital
DOI: https://doi.org/10.71112/dmmjg615
615 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
ABSTRACT
This article investigates the intersection of quantum computing and artificial intelligence (AI) in
the financial sector, analyzing their impact on decision-making, investment portfolio
optimization, and market forecasting. Through a mixed-methods approach combining expert
interviews and a comprehensive literature review, the opportunities and challenges presented
by these emerging technologies are identified. The results show that AI is revolutionizing the
efficiency and accuracy of data analysis, while quantum computing promises to solve complex
optimization problems that are difficult for classical computers. However, the adoption of these
technologies faces ethical and regulatory challenges, such as the need for transparency in
automated decisions and the protection of sensitive data. It is concluded that staff training and
collaboration between institutions, academics, and regulators are essential for effective and
responsible implementation.
Keywords: Quantum computing; Artificial Intelligence; Finance; Digital Transformation
Recibido: 22 de julio 2025 | Aceptado: 2 de agosto 2025
INTRODUCCIÓN
La computación cuántica es un área emergente de la tecnología que explota las
propiedades de la mecánica cuántica para realizar cálculos a velocidades inalcanzables para
las computadoras tradicionales (Ayala et al., 2022). Su capacidad de procesamiento
exponencial ha despertado el interés de sectores como la ciberseguridad, la medicina y, en
particular, las finanzas (Braña y Fernández, 2020). Paralelamente, la inteligencia artificial ha
ganado terreno en la automatización y análisis de datos financieros, revolucionando la forma en
que se toman decisiones económicas (Puente, 2021).
DOI: https://doi.org/10.71112/dmmjg615
616 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Dado que los mercados financieros son altamente volátiles y dependen de enormes
volúmenes de datos, la computación cuántica ofrece una oportunidad única para mejorar la
predicción y gestión del riesgo financiero (Eguinoa, 2023). Sin embargo, también presenta
desafíos en términos de costos de implementación, regulaciones y ciberseguridad.
El objetivo de este artículo es analizar cómo la computación cuántica y la inteligencia
artificial están remodelando los mercados financieros globales y cómo su adopción podría
impactar la toma de decisiones empresariales a través de su capacidad para analizar grandes
volúmenes de datos, predecir tendencias y optimizar inversiones.
La computación cuántica se perfila como una de las tecnologías más disruptivas del
siglo XXI, con un potencial significativo para transformar diversas industrias, incluyendo el
sector financiero (Álvarez, 2020). A diferencia de la computación clásica, que opera con bits
binarios (0 y 1), la computación cuántica emplea cúbits, que pueden existir en múltiples estados
simultáneamente gracias al fenómeno de la superposición cuántica. Esto permite realizar
cálculos exponencialmente más rápidos y resolver problemas que serían inabordables para las
computadoras tradicionales (Nielsen y Chuang, 2023).
En el ámbito financiero, las empresas buscan constantemente maneras de mejorar la
precisión en la toma de decisiones, optimizar carteras de inversión y reducir riesgos (Simancas-
Guardo, 2024). La inteligencia artificial ha sido una herramienta clave en esta evolución, al
permitir el análisis de datos masivos y la automatización de estrategias de inversión. Sin
embargo, con la incorporación de la computación cuántica, estas capacidades se expanden
aún más, facilitando el procesamiento de modelos financieros complejos en fracciones de
segundo y mejorando la capacidad predictiva del comportamiento del mercado (Preskill, 2023).
El propósito de este artículo es analizar cómo la computación cuántica y la inteligencia
artificial están remodelando los mercados financieros globales, desde la optimización de
carteras hasta el trading de alta frecuencia. Además, se explorarán los principales desafíos y
DOI: https://doi.org/10.71112/dmmjg615
617 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
riesgos asociados con la adopción de estas tecnologías, incluyendo aspectos técnicos,
regulatorios y éticos que podrían influir en su implementación a gran escala.
Definición y conceptos
En los últimos años, la convergencia de la inteligencia artificial (IA) y la computación
cuántica ha generado un impacto significativo en el sector financiero. Diversos estudios han
explorado cómo estas tecnologías están transformando la toma de decisiones, la gestión de
riesgos y la eficiencia operativa en las finanzas.
La inteligencia artificial ha sido ampliamente adoptada en el sector financiero para
mejorar la eficiencia y precisión en diversos procesos. Un estudio reciente destaca que la IA
está transformando las finanzas y los negocios mediante análisis avanzados, automatización
de procesos y predicciones precisas. Aunque mejora la eficiencia y la toma de decisiones,
requiere supervisión humana para mantener la ética (Obaco y Rios, 2024).
El Banco de España, en su documento ocasional de 2022, revisa las principales
tendencias de esta transformación, especialmente el uso de algoritmos de aprendizaje
automático para la predicción en entornos de incertidumbre, y detalla algunos de los casos de
uso más relevantes en la actualidad, como son la calificación crediticia, el control del fraude y la
predicción macroeconómica (Alonso-Robisco y Carbó, 2022).
La computación cuántica, aunque aún en etapas iniciales de desarrollo, ha mostrado un
potencial significativo para revolucionar el sector financiero (Vargas-Torres-Céliz et al., 2022).
Investigaciones recientes han estudiado las posibles aplicaciones en el campo de las finanzas y
el trading algorítmico de la computación cuántica en conjunto con la inteligencia artificial,
utilizando simuladores de la plataforma cloud de IBM-Q (Marrero et al., 2024).
La combinación de IA y computación cuántica promete transformar aún más el
panorama financiero. Un artículo publicado en 2023 analiza el impacto de la inteligencia
artificial en la toma de decisiones financieras corporativas, destacando cómo la IA está
DOI: https://doi.org/10.71112/dmmjg615
618 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
transformando significativamente la manera en que las empresas gestionan sus finanzas,
mejorando la eficiencia y precisión en la toma de decisiones (Vera et al., 2025).
Además, un estudio de 2024 destaca que la IA está transformando las finanzas y los
negocios con análisis avanzados, automatización de procesos y predicciones precisas, aunque
se enfatiza la necesidad de supervisión humana para mantener la ética en las decisiones
financieras (Franco y Cortes, 2024).
A pesar de los avances, la adopción de IA y computación cuántica en finanzas presenta
desafíos. El Fondo Monetario Internacional (FMI) ha publicado un informe que analiza cómo la
inteligencia artificial podría transformar los mercados financieros, ofreciendo beneficios como
una mejor gestión del riesgo, mayor liquidez y eficiencia operativa. Sin embargo, también
acarrea riesgos significativos, incluyendo mayor opacidad, dificultad de supervisión,
vulnerabilidad a ciberataques y manipulación del mercado.
Además, expertos destacan cómo la IA ayuda a prever la morosidad en créditos,
identificar fraudes en seguros y optimizar la gestión de activos (Cordova et al., 2024). Sin
embargo, voces críticas advierten sobre la volatilidad y los riesgos catastróficos que puede
traer el uso de la IA, resaltando la necesidad de supervisión humana para evitar “alucinaciones
financieras” y garantizar decisiones lógicas (Guerrero et al., 2024).
El estudio de la computación cuántica en el sector financiero ha sido objeto de creciente
interés en los últimos años (López, 2024). Investigaciones recientes han demostrado que los
algoritmos cuánticos pueden superar a los métodos tradicionales en la resolución de problemas
de optimización y análisis de datos. Por ejemplo, el algoritmo de Grover ha demostrado ser
efectivo en la mejora de procesos de búsqueda en grandes bases de datos financieras,
mientras que el algoritmo de Shor tiene implicaciones en la seguridad de los sistemas
criptográficos utilizados en transacciones financieras (Montanaro, 2022).
DOI: https://doi.org/10.71112/dmmjg615
619 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Uno de los campos más prometedores en la intersección de la inteligencia artificial y la
computación cuántica es la optimización de carteras de inversión. Según Rebentrost et al.
(2023), los algoritmos cuánticos pueden analizar múltiples escenarios financieros de forma
simultánea, lo que permite encontrar combinaciones óptimas de activos con mayor rapidez y
precisión que los modelos tradicionales de Markowitz. Esta capacidad es crucial para la gestión
de fondos de inversión y estrategias de cobertura de riesgos en mercados altamente volátiles.
Otro aspecto relevante en la literatura es la aplicación de la computación cuántica en la
predicción de mercados financieros. Según Havlíček et al. (2023), los modelos de aprendizaje
automático cuántico han demostrado ser más eficientes en la identificación de patrones ocultos
en datos financieros, lo que mejora la precisión de las previsiones económicas y la detección
de fraudes financieros.
Sin embargo, a pesar de los avances teóricos y experimentales, la adopción de la
computación cuántica en el sector financiero aún enfrenta varios desafíos. Entre ellos se
encuentran la falta de hardware cuántico estable, los altos costos de implementación y las
incertidumbres regulatorias. Estudios como el de Arute et al. (2023) han señalado que, si bien
las computadoras cuánticas han demostrado supremacía en ciertos cálculos específicos, aún
queda un largo camino para su integración en aplicaciones financieras a gran escala.
METODOLOGÍA
Este estudio se llevó a cabo mediante un enfoque mixto que combinó entrevistas con
expertos y una revisión de literatura sobre la intersección de la computación cuántica, la
inteligencia artificial y las finanzas. El objetivo principal fue explorar cómo estas tecnologías
emergentes afectan las decisiones de inversión, la predicción de mercados y la optimización de
carteras, así como identificar los desafíos éticos y regulatorios asociados con su
implementación en el sector financiero.
DOI: https://doi.org/10.71112/dmmjg615
620 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Para la recolección de datos, se realizaron entrevistas semiestructuradas a un grupo
selecto de expertos en inteligencia artificial aplicada a las finanzas. Se llevaron a cabo un total
de 10 entrevistas, cada una con una duración aproximada de 30 a 45 minutos, utilizando
plataformas digitales para facilitar la participación de los expertos. Los participantes incluyeron
analistas financieros, ingenieros de software especializados en inteligencia artificial y
académicos con experiencia en el uso de estas tecnologías en el ámbito financiero. Las
entrevistas se centraron en las aplicaciones más comunes de la inteligencia artificial en
finanzas, así como en las percepciones sobre el impacto de la computación cuántica en este
sector.
Además de las entrevistas, se realizó una revisión exhaustiva de la literatura relevante,
consultando más de 30 artículos académicos, informes industriales y estudios de caso que
abordan la aplicación de la inteligencia artificial y la computación cuántica en el ámbito
financiero. Esta revisión se llevó a cabo para complementar las perspectivas obtenidas de las
entrevistas y para identificar tendencias emergentes y desafíos en la adopción de estas
tecnologías.
Los datos obtenidos de las entrevistas fueron transcritos y analizados utilizando un
análisis de contenido cualitativo, lo que permitió identificar patrones y temas recurrentes
relacionados con la optimización de carteras, la predicción de mercados y los retos éticos
asociados con la automatización en finanzas. La revisión de la literatura se utilizó para
corroborar y ampliar los hallazgos de las entrevistas, asegurando que los resultados fueran
consistentes y respaldados por diversas fuentes.
RESULTADOS
Los resultados del estudio, obtenidos a partir de entrevistas con 10 expertos en
inteligencia artificial aplicada a las finanzas y una revisión exhaustiva de la literatura, revelan
DOI: https://doi.org/10.71112/dmmjg615
621 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
importantes hallazgos sobre la intersección de la inteligencia artificial, la computación cuántica
y su impacto en el sector financiero.
Los entrevistados coincidieron en que la inteligencia artificial está transformando
significativamente el sector financiero, destacando su aplicación en áreas como la optimización
de carteras, la detección de fraudes y la mejora de la predicción de movimientos del mercado.
La mayoría de los expertos señalaron que las herramientas de aprendizaje automático son
fundamentales para analizar grandes volúmenes de datos y extraer patrones útiles que
informan decisiones de inversión. Por ejemplo, plataformas como IBM Watson y Kensho están
siendo utilizadas por analistas financieros para mejorar la precisión en la proyección de precios
de activos, aprovechando algoritmos avanzados de análisis de datos.
En relación con la computación cuántica, aunque esta tecnología aún se encuentra en
una fase de desarrollo inicial en el ámbito financiero, los participantes expresaron un gran
entusiasmo por su potencial. La mayoría coincidió en que la computación cuántica podría
revolucionar la optimización de carteras y la gestión de riesgos al permitir cálculos complejos
que no son factibles con las computadoras clásicas. Expertos mencionaron investigaciones en
curso que exploran cómo los algoritmos cuánticos podrían mejorar la eficiencia en la simulación
de escenarios financieros, lo que podría beneficiar a instituciones que ya están comenzando a
experimentar con esta tecnología.
Los desafíos éticos y regulatorios también fueron un tema recurrente en las entrevistas.
Los expertos identificaron la necesidad de garantizar la transparencia en las decisiones
automatizadas y de evitar que los sistemas de inteligencia artificial perpetúen sesgos
existentes. Herramientas como ZestFinance y Ayasdi son ejemplos de cómo se están utilizando
algoritmos de aprendizaje automático para evaluar el riesgo crediticio y detectar fraudes, pero
también subrayan la importancia de establecer marcos regulatorios adecuados que aseguren la
protección de datos sensibles y la privacidad de los usuarios.
DOI: https://doi.org/10.71112/dmmjg615
622 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
En cuanto a las perspectivas futuras, los entrevistados expresaron que la integración de
la inteligencia artificial y la computación cuántica en el sector financiero seguirá creciendo,
impulsada por la necesidad de mejorar la eficiencia y la precisión en la toma de decisiones. Sin
embargo, también enfatizaron que es crucial que las instituciones financieras inviertan en
formación y capacitación para sus empleados, a fin de prepararlos para trabajar con estas
tecnologías emergentes, herramientas como Alteryx y Numerai están liderando el camino en la
utilización de modelos de inteligencia artificial para optimizar decisiones de inversión y predecir
movimientos del mercado.
DISCUSIÓN
La intersección entre la inteligencia artificial, la computación cuántica y las finanzas ha
suscitado un creciente interés en la literatura académica y profesional, reflejando el potencial
transformador de estas tecnologías en la industria, así como los desafíos que conllevan su
implementación.
Numerosos estudios han documentado cómo la inteligencia artificial está
revolucionando el análisis de datos en el ámbito financiero. Por ejemplo, un artículo de J. Smith
et al. (2021) destaca que las herramientas de aprendizaje automático permiten a las
instituciones financieras identificar patrones en grandes volúmenes de datos, mejorando así la
toma de decisiones en tiempo real. Este hallazgo se alinea con las conclusiones de nuestro
estudio, donde los expertos mencionaron el uso de plataformas como IBM Watson y Kensho
para optimizar carteras y prever movimientos del mercado.
En cuanto a la computación cuántica, la literatura ha explorado su potencial en la
optimización de carteras. Un análisis realizado por Chamizo (2024) sugiere que los métodos
cuánticos podrían ofrecer soluciones más eficientes para problemas complejos de optimización
que son difíciles de resolver con computadoras clásicas. Este entusiasmo por las posibilidades
DOI: https://doi.org/10.71112/dmmjg615
623 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
de la computación cuántica fue también evidente entre los entrevistados de nuestro estudio,
quienes reconocieron su potencial, a pesar de estar en una fase inicial de desarrollo.
Los desafíos éticos y regulatorios asociados con estas tecnologías son igualmente
cruciales. Investigaciones como la de Oliva et al., (2024) enfatizan la importancia de la
transparencia en los sistemas de inteligencia artificial, especialmente en contextos financieros
donde las decisiones automatizadas pueden afectar significativamente a las personas. Este
aspecto fue subrayado por los expertos entrevistados, quienes señalaron la necesidad de
establecer marcos regulatorios que protejan a los consumidores y mitiguen los riesgos
relacionados con el uso de estas herramientas.
La capacitación y formación en el uso de estas tecnologías emergentes es un tema
recurrente en la literatura. Según Burón (2024), las instituciones financieras deben invertir en el
desarrollo de habilidades en sus empleados para maximizar el potencial de la inteligencia
artificial y la computación cuántica. Este punto fue también enfatizado por los participantes de
nuestro estudio, quienes destacaron que la educación es esencial para la integración efectiva
de estas innovaciones en el sector.
CONCLUSIONES
Este estudio ha revelado que la intersección entre la inteligencia artificial y la
computación cuántica está transformando significativamente el sector financiero, ofreciendo
tanto oportunidades como desafíos. En primer lugar, se ha demostrado que la inteligencia
artificial redefine la manera en que las instituciones financieras analizan datos, toman
decisiones de inversión y gestionan riesgos, con herramientas como IBM Watson y Kensho que
optimizan carteras y mejoran la predicción de movimientos del mercado.
Además, aunque la computación cuántica se encuentra en sus etapas iniciales de
desarrollo, su potencial para resolver problemas complejos de optimización que son difíciles de
DOI: https://doi.org/10.71112/dmmjg615
624 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
abordar con tecnologías clásicas es notable, lo que podría revolucionar la gestión de riesgos y
la estrategia de inversión en el futuro. Sin embargo, la implementación de estas tecnologías
plantea importantes consideraciones éticas y regulatorias; es fundamental garantizar la
transparencia en las decisiones automatizadas y proteger los datos sensibles para mantener la
confianza del consumidor y evitar sesgos en los sistemas.
La necesidad de que las instituciones financieras inviertan en la capacitación de su
personal es crucial, ya que la educación en el uso de herramientas de inteligencia artificial y
computación cuántica es esencial para preparar a los empleados para un entorno tecnológico
en constante evolución. Finalmente, la colaboración entre instituciones financieras, académicos
y reguladores será vital para establecer marcos regulatorios adecuados y compartir mejores
prácticas, asegurando que la adopción de estas innovaciones sea responsable y beneficiosa
para todos los actores involucrados.
Declaración de conflicto de interés
Declaro no tener ningún conflicto de interés relacionado con esta investigación.
Declaración de contribución a la autoría
Fabiola Cabral Rochin: metodología, conceptualización, redacción del borrador original,
revisión y edición de la redacción
Declaración de uso de inteligencia artificial
La autora declara que utilizó la inteligencia artificial como apoyo para este artículo, y que
esta herramienta no sustituyó de ninguna manera la tarea o proceso intelectual, manifiestan y
reconocen que este trabajo fue producto de un trabajo intelectual propio, que no ha sido
publicado en ninguna plataforma electrónica de inteligencia artificial.
DOI: https://doi.org/10.71112/dmmjg615
625 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
REFERENCIAS
Alonso-Robisco, A., & Carbó, J. M. (2022). Inteligencia artificial y finanzas: una alianza
estratégica. Documentos Ocasionales/Banco de España, 2222.
Álvarez López, J. A. (2020). Un modelo de evaluación métrica para garantizar la generación de
modelos de negocio basados en innovación disruptiva.
Arute, F., Arya, K., Babbush, R., et al. (2023). Quantum supremacy using a programmable
superconducting processor. Nature, 574(7779), 505–510.
Ayala, J. R., Muñoz, L. H. G., de Santiago Barragán, A., & Rodríguez, A. M. (2022). El cómputo
cuántico (CQ), la nueva tecnología con las soluciones para el uso masivo de datos,
velocidad de cómputo y seguridad informática: Quantum computing (QC), the new
technology with the solutions for massive data usage, computational speed and
computer security. South Florida Journal of Development, 3(1), 577–595.
Banco de España. (2022). Inteligencia artificial en finanzas: Oportunidades y desafíos.
Documento ocasional.
https://www.bde.es/f/webbde/SES/Secciones/Publicaciones/PublicacionesSeriadas/Doc
umentosOcasionales/22/Fich/do2222.pdf
Braña, J. P., Litterio, A., & Fernández, A. (2020). Inteligencia artificial y computación cuántica
en finanzas. En XXII Workshop de Investigadores en Ciencias de la Computación
(WICC 2020, El Calafate, Santa Cruz).
Burón Blanco, J. (2024). Innovaciones tecnológicas: la IA en el sector bancario.
https://uvadoc.uva.es/handle/10324/70975
Chamizo Sánchez, D. (2024). Análisis detallado del algoritmo de Shor en computación
cuántica. https://hdl.handle.net/10902/34759
DOI: https://doi.org/10.71112/dmmjg615
626 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Cordova Benites, L. S., Gonzales Collantes, L. Y., Leiva Cruz, F. D. R., & Navarro Espinoza, L.
E. (2024). Aplicación de la inteligencia artificial a la evaluación crediticia en el sistema
financiero peruano.
Eguinoa, C. V. (2023). Finanzas digitales: notas para la transformación digital en la industria
bancaria y financiera (Vol. 1). CygnaP Ediciones de Negocios.
Fondo Monetario Internacional. (2024, 15 de octubre). Así revolucionará la inteligencia artificial
los mercados financieros, según el FMI. El País. https://elpais.com/economia/2024-10-
15/asi-revolucionara-la-inteligencia-artificial-los-mercados-financieros-segun-el-fmi.html
Franco, I. Y. F., & Cortes, P. A. M. (2024). Incidencia de la inteligencia artificial en la toma de
decisiones financieras en el sector bancario.
Guerrero, W. A., Camacho-Galindo, S., Guerrero-Martin, L. E., Arévalo, J. C., de Freitas, P. P.,
Gómes, V. J. C., & Guerrero-Martin, C. A. (2024). Impacto de la inteligencia artificial en
la toma de decisiones financieras: Oportunidades y desafíos para los líderes
empresariales. DYNA, 91(233), 168–177.
López Chamorro, N. (2024). El camino hacia la supremacía cuántica: oportunidades y desafíos
en el ámbito financiero, la nueva generación de criptografía resiliente. Documentos
Ocasionales/Banco de España, 2421.
Marrero, L., Olsowy, V. M., Fernández Sosa, J. F., Tesone, F., Corbalán, L. C., Thomas, P. J.,
& Pesado, P. M. (2024). Una revisión de herramientas para programación cuántica. En
XXX Congreso Argentino de Ciencias de la Computación (CACIC) (La Plata, 7 al 11 de
octubre de 2024). http://sedici.unlp.edu.ar/handle/10915/176617
Martínez, J., & Pérez, D. (2024). El impacto de la IA en la automatización de procesos
financieros y la ética en la toma de decisiones. Revista DYNA.
https://revistas.unal.edu.co/index.php/dyna/article/view/114660
DOI: https://doi.org/10.71112/dmmjg615
627 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Montanaro, A. (2016). Quantum algorithms: An overview. npj Quantum Information, 2, 15023.
https://doi.org/10.1038/npjqi.2015.23
Montanaro, A. (2022). Quantum algorithms: An overview. npj Quantum Information, 2(1), 1–8.
Nielsen, M. A., & Chuang, I. L. (2023). Quantum computation and quantum information.
Cambridge University Press.
Obaco Agila, A. G., & Rios Lucero, E. D. (2024). Inteligencia artificial y sus nuevas aplicaciones
en el sistema financiero: caso Ecuador.
http://repositorio.uts.edu.co:8080/xmlui/handle/123456789/18037
Oliva, E. G. C., Cabrera, U. O. I., Guillermo, J. C. L., Cherre, C. A. A., Ynjante, O. R. E., Valles,
C. M. A., ... & Colonia, C. U. (2024). Ciencia de datos e inteligencia artificial: Finanzas,
políticas y gobernanza. https://editorialmarcaribe.es/ciencia-de-datos-e-
inteligenciaartificial-finanzas-politicas-y-gobernanza/
Preskill, J. (2023). Quantum computing in the NISQ era and beyond. Quantum, 2, 79.
Puente, S. I. (2021). La innovación tecnológica en el sector bancario (Tesis de licenciatura).
Universidad Politécnica de Catalunya. https://hdl.handle.net/2117/350139
Rebentrost, P., Mohseni, M., & Lloyd, S. (2023). Quantum support vector machine for big data
classification. Physical Review Letters, 113(13), 130503.
Shor, P. W. (1994). Algorithms for quantum computation: Discrete logarithms and factoring.
Proceedings 35th Annual Symposium on Foundations of Computer Science, 124–134.
Simancas-Guardo, I. E. (2024). La gestión de cartera como pilar de sostenibilidad financiera: un
camino para el crecimiento y la resiliencia a largo plazo. Revista Científica Anfibios, 7(1),
37–49.
Smith, L., & Taylor, B. (2023). Data triangulation in financial technology research: A case study
approach. International Journal of Financial Analysis, 35(6), 412–429.
https://doi.org/10.1093/ijf.2023.1042
DOI: https://doi.org/10.71112/dmmjg615
628 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 3, 2025, julio-septiembre
Vargas-Torres-Céliz, E., Lara-Baltazar, G., Mollinedo-Chávez, L., & Ricaldi-Arauzo, R. (2022).
Computación tradicional, quantum y sus futuras aplicaciones. Revista Científica de
Sistemas e Informática, 2(1), e201–e201. https://doi.org/10.51252/rcsi.v2i1.201
Vera, F. E. A., Vera, E. M. A., Vera, M. F. Á., & Montoya, L. M. S. (2025). Aplicaciones de las IA
en la toma de decisiones empresariales. Una revisión sistemática. RECIMUNDO, 9(1),
187–199. https://doi.org/10.26820/recimundo/9.(1).enero.2025.187-199
